数十万张照片淬炼出“AI工友”的“火眼金睛” 再“狡猾”的产品缺陷它一眼就看穿

5月28日，北斗智联科技有限公司重庆制造基地车间里，工作人员正在查看AI自动光学检测设备。记者 白麟 摄/视觉重庆

“绿灯，良品。”

5月28日，北斗智联科技有限公司（以下简称北斗智联）重庆制造基地的无尘车间里，一块满是细小元器件的电路板刚滑入一个“黑箱子”——3D AOI（自动光学检测）设备，面前的屏幕上立刻给出判定结果，全程不到半分钟。

既没有刺耳的警报声，也不用一群人紧紧盯着屏幕，只有一排排灰白相间的高速贴片机在安静地快速运转。

“它不仅治好了产线每隔几分钟就要‘尖叫’一声的毛病，还把每条产线的复检岗位从3个人减到了1个。”车间工程师邢东林指着面前的“黑箱子”很是感慨。

让他赞不绝口的“它”，是车间今年刚上岗的“AI工友”。这位没有实体的特殊工友，是技术人员们耗费数月，用数十万张不同角度、不同光照的图片一点点“喂”出来的。它的上岗，让这条曾经不停发出警报声的产线，变成了全厂最安静的地方。

“芝麻粒”让人看花眼

让邢东林对现在这份“安静”倍感珍惜的，是去年下半年一次让人郁闷的紧急订单经历。

那天下午，车间接到某头部车企的一批加急订单，需要立刻切换生产一款新型智能座舱的主板。

“就是这样的主板。”邢东林拿出一块主板样品给记者看，只见不过巴掌大的电路板上，密密麻麻排布着几百个元器件。“一些小的电容甚至比芝麻粒还要小，肉眼根本看不清楚。”

按照传统的检测方法，每次切换生产新的主板，工程师都必须像“绣花”一样，坐在电脑前手动给主板上的每个新元件画框、定位、调参数，耗时1到2个小时。

“那次换线，我调了近两个小时，看得眼都花了，还滴了好多次眼药水。”邢东林回忆，当时整条生产线都在等他的光学检测程序编完才能开工。

好不容易调好参数开始生产，而真正的“折磨”才刚开始。传统视觉检测十分死板，光线稍微有一丁点变化，或者这批元件的颜色稍微深了一点，机器立马触发警报。

“嘀——嘀——”那段时间，车间的报警器每隔三五分钟就要响一次。为了保证产品质量，车间不得不安排质检员，对每一起报警进行人工复核。一天下来，大家都累得不行。

北斗智联车间遇到的这个问题并非特例，而是整个汽车电子制造行业面临的普遍难题。

北斗智联相关项目负责人表示，随着新能源汽车智能座舱的功能越来越强大，电子元器件越做越精巧，布局密度不断挑战极限。同时，像北斗智联这样的企业业务规模不断拓展，产线需要频繁调整应对各种新产品的试产和切换。

在这样的高频节奏下，传统机器视觉检测暴露出短板。除了耗时的手工编程，极高的误报率更是让整个行业头疼不已。

据统计，传统AOI设备在复杂PCBA（印制电路板装配）检测中的平均误判率往往高达5%。

“这不仅拉低了产线的整体直通率，导致产能浪费在人工复核上，还极易让人在疲劳应对中产生麻痹心理，进而漏掉真正的缺陷，给产品质量埋下致命隐患。”上述负责人表示，引入更聪明的AI视觉检测技术，彻底解决误报率高、换线慢的痛点，对于企业来说已迫在眉睫。

强化训练迎来“AI工友”

让传统的视觉检测加上AI，并非买个现成AI软件装上就行了。

“技术落地的难点在于，我们的主板工艺极其复杂，外面直接能买到的那种‘标准化AI’根本‘看不懂’。”北斗智联相关项目负责人表示，不同批次元件的金属引脚反光度、焊锡的饱满程度，甚至是车间光照的微小折射，在普通摄像头和“标准化AI”算法眼里，都会呈现出完全不同的特征。

要让AI在极短时间内，从反光、阴影、色差的重重干扰中，精准分辨出哪怕零点几毫米的“虚焊”或“偏位”，且准确率要逼近100%，这好比要求一个刚学认字的孩子，立刻去精准校对一本没有标点符号的繁体古籍，是不可能做到的。

只有对这个“孩子”进行强化训练，才能让其符合产线要求。

为此，2025年末，北斗智联与项目合作方展开了深度联合开发。双方的技术人员扎进车间里，用数十万张良品和不良品的产品图片，一点点地“喂养”和训练这个AI模型。

起初，这场“喂养”进行得并不顺利。早期的AI模型像个偏科的“笨学生”，虽然学会了认“缺件”，却总是把正常的“锡多”误判为“短路”，警报依然响个不停。

为了纠正它的“死脑筋”，技术人员只能变着法儿地给它“开小灶”——他们重点收集了各种光线条件、各种刁钻角度的缺陷照片，甚至人为在产线上制造一些极端的边缘缺陷（如微小的元件侧立、不易察觉的轻微浮高）来当作考题。

每当AI做错，技术人员就在屏幕前一帧一帧地给图片打上正确的标签，重新投喂给它。

经历了无数次“报错—纠正—再报错—再纠正”的循环，在数十万张高价值标注图片的淬炼下，这个曾经笨拙的AI模型终于拥有了“火眼金睛”，再“狡猾”的隐性缺陷也能一眼看穿。

几个月后，“AI工友”终于顺利上岗。

工人当上“AI教练”

如今，当北斗智联车间再导入新产品时，AI系统会自动识别电路板上的器件，一键完成元件搜索和画框。

“现在的编程时间缩短了50%，新产品切换时间被压缩到了半小时以内，产线的整体效能有了很大提升。”邢东林兴奋地告诉记者。

如果说一键画框是“提效”，那么精准排雷就是“增质”。

在检测站，邢东林让记者看屏幕，只见主板上极微小的焊点被放大了数十倍。他表示，由于经过了海量数据的深度学习，AI已经掌握了各种缺陷的“本质”，不会再被表面的反光或微小的色差轻易糊弄，彻底治好了过去传统机器的“老花眼”。缺件、错件、虚焊、短路……几十种常见缺陷也在它面前无所遁形。

如今，车间产品直通率提升至99.9%，而令人头疼的误判率则从5%下降到了0.1%以下，让车间变得安静了。

随着AI技术的深度应用，北斗智联生产模式和产业形态，也经历了一场深刻的升级。

如今在该公司的无尘车间里，人和AI形成了完美的搭配：不知疲倦、“火眼金睛”的“AI工友”负责干“苦力活”——秒扫图片、提取特征、判定缺陷；而工人则告别机械重复的“画框”和“找茬”，转行当起了“AI教练”。

邢东林介绍，如今遇到AI拿捏不准的新型缺陷，工人只需在屏幕上点一点，给它做个标注，告诉它“这不对”。收到反馈的AI系统，下一次就会变得更聪明。工人们脑子里想的，也不再是烦琐的参数和死板的规则，而是如何给机器投喂更高质量的数据，如何优化整体的产线流程。

这位“安静的AI工友”，不仅大幅提升了北斗智联的产品质量与生产效能，更悄然地完成了对传统产业工人的价值重塑——向具备数字素养的新型技术人才转型。